論文の概要: GrandTour: A Legged Robotics Dataset in the Wild for Multi-Modal Perception and State Estimation

• arxiv url: http://arxiv.org/abs/2602.18164v2
• Date: Tue, 03 Mar 2026 14:08:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.593278
• Title: GrandTour: A Legged Robotics Dataset in the Wild for Multi-Modal Perception and State Estimation
• Title（参考訳）: GrandTour:マルチモーダル認識と状態推定のためのラジコンロボットデータセット
• Authors: Jonas Frey, Turcan Tuna, Frank Fu, Katharine Patterson, Tianao Xu, Maurice Fallon, Cesar Cadena, Marco Hutter,
• Abstract要約: GrandTourデータセットは、屋外および屋内の挑戦的な環境にまたがって収集された、マルチモーダルな脚付きロボティクスデータセットである。 このデータセットは、回転するLiDAR、相補的な特徴を持つ複数のRGBカメラ、プロセプティブセンサー、ステレオディープカメラから、時間同期センサーデータを提供する。 このデータセットはSLAM、高精度状態推定、マルチモーダル学習の研究をサポートし、脚付きロボットシステムにおけるセンサフュージョンの新しいアプローチの厳密な評価と開発を可能にする。
• 参考スコア（独自算出の注目度）: 8.483668967252422
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate state estimation and multi-modal perception are prerequisites for autonomous legged robots in complex, large-scale environments. To date, no large-scale public legged-robot dataset captures the real-world conditions needed to develop and benchmark algorithms for legged-robot state estimation, perception, and navigation. To address this, we introduce the GrandTour dataset, a multi-modal legged-robotics dataset collected across challenging outdoor and indoor environments, featuring an ANYbotics ANYmal-D quadruped equipped with the Boxi multi-modal sensor payload. GrandTour spans a broad range of environments and operational scenarios across distinct test sites, ranging from alpine scenery and forests to demolished buildings and urban areas, and covers a wide variation in scale, complexity, illumination, and weather conditions. The dataset provides time-synchronized sensor data from spinning LiDARs, multiple RGB cameras with complementary characteristics, proprioceptive sensors, and stereo depth cameras. Moreover, it includes high-precision ground-truth trajectories from satellite-based RTK-GNSS and a Leica Geosystems total station. This dataset supports research in SLAM, high-precision state estimation, and multi-modal learning, enabling rigorous evaluation and development of new approaches to sensor fusion in legged robotic systems. With its extensive scope, GrandTour represents the largest open-access legged-robotics dataset to date. The dataset is available at https://grand-tour.leggedrobotics.com on HuggingFace (ROS-independent), and in ROS formats, along with tools and demo resources.
• Abstract（参考訳）: 高精度な状態推定とマルチモーダル認識は、複雑な大規模環境における自律脚ロボットの前提条件である。 今のところ、大規模な公開脚ロボットデータセットは、脚ロボットの状態推定、知覚、ナビゲーションのためのアルゴリズムを開発し、ベンチマークするために必要な実際の条件をキャプチャしていない。 これを解決するために,Boxiマルチモーダルセンサペイロードを備えたANYbotics ANYmal-D四足歩行を特徴とする,屋外および屋内の挑戦的な環境にまたがるマルチモーダル脚ロボットのデータセットであるGrandTourデータセットを紹介した。 グランドトゥールは、アルプスの景観や森林から解体された建物や都市部まで、様々な環境と運用シナリオにまたがっており、規模、複雑さ、照明、気象条件の幅広いバリエーションをカバーしている。 このデータセットは、回転するLiDAR、相補的な特徴を持つ複数のRGBカメラ、プロセプティブセンサー、ステレオディープカメラから、タイム同期センサーデータを提供する。 さらに、衛星ベースのRTK-GNSSとライカ・ジオシステムズ(英語版)の総局からの高精度な地上軌道も含む。 このデータセットはSLAM、高精度状態推定、マルチモーダル学習の研究をサポートし、脚付きロボットシステムにおけるセンサフュージョンの新しいアプローチの厳密な評価と開発を可能にする。 GrandTourは、これまでで最大のオープンアクセスリージドロボティクスデータセットである。 データセットはHuggingFace (ROS非依存)のhttps://grand-tour.leggedrobotics.comで、ROSフォーマットとツールとデモリソースで利用可能である。

関連論文リスト

• The Rosario Dataset v2: Multimodal Dataset for Agricultural Robotics [0.0]
  このデータセットは、農業環境におけるロボット工学に固有の重要な課題を捉えている。 これらの複雑さに対処することで、データセットは高度なアルゴリズムの開発とベンチマークをサポートすることを目指している。 プラットフォームとデータ収集システムは,マルチモーダルSLAMシステムを評価する上で重要な要件を満たすように設計されている。
  論文  参考訳（メタデータ） (2025-08-29T13:58:55Z)
• ROVR-Open-Dataset: A Large-Scale Depth Dataset for Autonomous Driving [62.9051914830949]
  実世界の運転の複雑さを捉えるために設計された,大規模で多様で費用効率のよい深度データセットであるROVRを提案する。 軽量な取得パイプラインは、スケーラブルなコレクションを保証すると同時に、統計的に十分な基礎的真実は堅牢なトレーニングをサポートする。 最先端の単分子深度モデルによるベンチマークでは、厳密なクロスデータセットの一般化失敗が示される。
  論文  参考訳（メタデータ） (2025-08-19T16:13:49Z)
• TartanGround: A Large-Scale Dataset for Ground Robot Perception and Navigation [19.488886693695946]
  TartanGroundは、地上ロボットの認識と自律性を向上する大規模なマルチモーダルデータセットである。 我々は70の環境にまたがって910の軌道を集め、150万のサンプルを得た。 TartanGroundは、幅広い学習ベースのタスクのトレーニングと評価のためのテストベッドとして機能する。
  論文  参考訳（メタデータ） (2025-05-15T20:35:06Z)
• EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
  本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。 このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。 このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
  論文  参考訳（メタデータ） (2025-01-14T13:42:22Z)
• RoboSense: Large-scale Dataset and Benchmark for Egocentric Robot Perception and Navigation in Crowded and Unstructured Environments [62.5830455357187]
  我々は3種類のセンサー(Camera, LiDAR, Fisheye)をベースとした自我中心型マルチセンサデータ収集プラットフォームを構築した。 大規模なマルチモーダルデータセットであるRoboSenseは、エゴセントリックなロボット知覚を促進するために構築されている。
  論文  参考訳（メタデータ） (2024-08-28T03:17:40Z)
• M3LEO: A Multi-Modal, Multi-Label Earth Observation Dataset Integrating Interferometric SAR and Multispectral Data [1.4053129774629076]
  M3LEOはマルチモーダルでマルチラベルの地球観測データセットである。 6つの地理的領域から約17M 4x4 kmのデータチップにまたがる。
  論文  参考訳（メタデータ） (2024-06-06T16:30:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。